JapanTaxi R&Dの取り組み事例

Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
JapanTaxi
R&Dの取り組み
次世代モビリティ事業部モビリティ研究開発グループ
⾼橋⽂彦
2019.07.01
ゆるふわ採⽤座談会

2
• 名前：⾼橋⽂彦
• 略歴
• 2015年4⽉ヤフー株式会社⼊社
• 2018年8⽉ JapanTaxi株式会社⼊社
• 領域
• 画像処理、⾃然⾔語処理
• 過去の主な仕事
• 配⾞アプリのお迎え時間予測
• ECサイトの検索精度改善
• その他：PM、論⽂書いたり
• 趣味
• ボードゲーム、IoTガジェット

JapanTaxi

交通系スタートアップ
交通インフラを取り扱う数少ない会社

5
タクシーの
配⾞プラットフォーム
タクシー向け
ハードウェアメーカー
タクシーデータ
ビジネス

6
事例１：タクシーのお迎え時間予測

7
タクシー配⾞アプリ「JapanTaxi」
• マップ上で指定したピン位置にタクシーを⼿配
• 乗⾞料⾦の決済もアプリ上で可能
• 全国47都道府県で約7万台
（全国のタクシー⾞両1/3）が対応
• 700万ダウンロード達成

8
課題：注⽂キャンセルの問題
キャンセル
配⾞注⽂
探⾞開始配⾞決定を通知
受諾乗⾞機会の損失
ユーザー
配⾞システム
ドライバー
キャンセル通知
迎⾞開始
配⾞注⽂後にキャンセルされると、ドライバーにとって機会損失

9
配⾞時間期待値のギャップ
5分くらいで
来るかな？
10分かかるなら
他の交通⼿段を
使おう
キャンセル
配⾞注⽂
探⾞開始到着時間を計算
受諾乗⾞機会の損失
ユーザー
配⾞システム
ドライバー
キャンセル通知
迎⾞開始

10
期待値調整をするために到着予想時間を表⽰
5分くらいで
来るかな？
配⾞注⽂
しない
ユーザー
配⾞システム
ドライバー
事前に到着予想時間を
提⽰して期待値調整を
⾏う
10分くらいで
来る

11
⽬的：事前にお迎え時間を予測
候補１
⽬的地
• タクシーがお迎え場所に到着するまでに
かかる時間を予測する
• お迎え場所に向かうタクシーは
確定していない
お迎え場所
候補2
候補３
候補４

12
Attention機構を使ったお迎え時間予測モデル
配⾞候補の⾞両の特徴量
• 出発地の緯度経度
• お迎え場所緯度経度
• 出発時の⽅向・速度
• お迎え場所への⽅向・直線距離
• 直線距離が近い順番
⾞両以外の環境の特徴量
• ⽇、曜⽇、時間
• 祝⽇、休⽇
Attention機構
• 機械翻訳や画像認識などで使われる
ネットワーク構造
• ⼊⼒に応じて注⽬するべき特徴量に
⼤きな重みが付与される
• 実際に配⾞される⾞両の重みが⼤き
くなることを期待
到着時間

13
予測精度の評価結果
• AttentionNeuralModelが最もMAEとToo Faster Rateが小さい
• 本システム環境の場合、機械学習ベースの方が高速
MAE
Too Faster
Rate
Elapsed
Time[s]
AttentionNeuralModel 156.11 0.2430 0.0360
NeuralModel 164.02 0.3247 0.0385
RouteSearchAverage 166.72 0.2527 0.0729
RouteSearchOneBest 215.70 0.4373 0.0731

14
表⽰有無のA/Bテスト
• 提案モデルを使った予測到着時間を表示
• 表示の有無でA/Bテスト
• キャンセル率と注文数を比較し評価
• 到着時間予測を表示した方が優位にキャ
ンセル率が低い
• 注文数は大きく減ることはなかった

15
事例２：ドライブレコーダーの動画像分析
~ガソリンスタンドの料⾦認識~

16
1⽇のタクシー動態の様⼦

17
センシングカーとしてのタクシー⾞両

18
ガソリンスタンド料⾦の⾃動認識

19
ガソリンスタンド料⾦の⾃動認識

20
Scene Text Recognition
Yolo v3
[YOLOv3: An Incremental Improvement, Joseph et al. , 2018]
CNN+RNN+CTC
[Gated Recurrent Convolution Neural Network for OCR, Jianfeng et al., NIPS2017]

21
事例3：ドライブレコーダーの動画像分析
~⾃⾞レーン認識~

22
⾃⾞レーンの認識
• ⽬的：詳細な位置推定
• ⾞線単位での混雑度合い
• ドライビングパターン
• 課題：現状の⾃⼰位置推定の精度が悪い
• GPSの誤差は数⼗メートル
• 道路へマップマッチしてもでわかる位置はせいぜい
道路単位
→ ドライブレコーダーの映像を使って⾃⾞レーンを認識
⾃⾞レーン：２
全⾞線数：３

23

24
Lane Net を使った⾃⾞レーンの認識
後処理⾞線計算
[Towards End-to-End Lane Detection: an Instance Segmentation Approach, Davy et al. , 2018]
• 車線の傾きが正の本数をカウントし、自車位置を計算

25
最後に

26
社員数推移とトピックス
未来創⽣ファン
ドより
5億円資⾦調達
トヨタ⾃動⾞より75億円
未来創⽣ファンドより10.5億円
資⾦調達
NTTドコモより
22.5億円資⾦調
達
カカオモビリティー
より
15億円資⾦調達
社員数

27
職種と年齢層
27%
73%
⼥性男性
29%
54%
17%
20代 30代 40代
47%
3%
15%
11%
8%
5%
11%
エンジニア・PM デザイナー
マーケセールス
CX カスタマーサクセス
コーポレート
平均年齢は33.6歳、全体の半数が開発者です。

28
特徴的な福利厚⽣
⽉に上限1万円まで、タクシーに乗れる
制度です。社員⾃らタクシーを利⽤す
ることで、ユーザーとしての体験をプ
ロダクト開発に役⽴てる取り組み。
ピアボーナス制度。
社員同⼠、感謝の気持ちを形にして送りあえる
ツールになっています。
受け取ったポイントは、1ポイント1円として⾦
額換算され、給与と共に振り込まれます。
「ありぽん」
「トライアルタクシー」

29
We are hiring!!
• 機械学習/アルゴリズム開発エンジニア
• ⾃動運転エンジニア
• データアナリスト/BIアナリスト
• データエンジニア

〒102-0094 東京都千代⽥区紀尾井町3-12
3-12 Kioicho Chiyoda-ku, Tokyo 102-0094 Japan
TEL 03-6265-6265 FAX 03-3239-8115
www.japantaxi.co.jp
⽂章·画像等の内容の無断転載及び複製等の⾏為はご遠慮ください。
Proprietary and Confidential ©2017 JapanTaxi, Inc.
All Rights Reserved

JapanTaxi R&Dの取り組み事例

Recomendados

Recomendados

Más contenido relacionado

Similar a JapanTaxi R&Dの取り組み事例

Similar a JapanTaxi R&Dの取り組み事例 (20)

JapanTaxi R&Dの取り組み事例